源空间覆盖优于受体布置：匹配与中等误设传输下稀疏城市排放反演的混合点—道路模拟基准

《Sensors》：Source-Space Coverage Outweighs Receptor Placement in Sparse Urban Emission Inversion Under Matched and Moderately Misspecified Transport: A Mixed Point–Road Simulation Benchmark

　　

研究人员量化了在监测网络按浓度制图布设的前提下，传感器布置相对于其他设计决策对候选城市设施和道路路段排放率反演的影响。研究人员构建了一个覆盖30个合成城市的配对基准，将五项设计决策置于统一误差尺度。在匹配传输（matched transport）下，覆盖源空间（source space）中的交通使归一化源误差（normalized source error）改变0.74，字典保真度（dictionary fidelity）和传感器校准（sensor calibration）各约0.68，而各布置标准（placement criteria）之间为0.13–0.15；在独立的稳定性依赖扩散生成器（stability-dependent dispersion generator）下，覆盖效应缩小至布置效应量级。在匹配严重度的五种误差类型中，源识别（source identification）退化慢于排放率（emission rate），且每种测试类型模式相似。未建模混合层高度（mixed-layer height, MLH）是最常见误差之一（0.41–0.53），准确的外部估计可恢复其中大部分。无真值残差（truth-free residual）可标记每种测试类型的严重模型误差（AUC 0.89–0.95）。对于七个成都NO₂站点，较差的样本外技能（out-of-sample skill）、不稳定的支持集（support）和较大的残差使研究人员暂缓给出估计。在存在重大清单遗漏或校准误差时，校正它们可能比在测试的布置标准之间切换更能降低误差；识别能力、速率和残差应分别报告。

研究背景与问题：城市排放清单在单个设施和道路路段层面仍不确定，部门可能缺失，交通与无组织排放约束不足，报告速率可能过时。自上而下排放反演（emission inversion）通过扩散模型反演环境观测以估计候选源排放率，可支持清单核验与更新。然而，监管与低成本网络通常按合规或浓度制图布设，而非为反演布设；既有布置优化研究多固定源描述、传输模型和传感器质量，仅比较布置标准。因此尚不清楚传感器布置是否是限制城市排放反演的主要决策，抑或源清单完整性、候选位置准确性、传输与边界层保真度、传感器校准影响更大。该研究在声明基准和扰动范围内，将五项设计决策置于统一误差尺度，检验其相对效应及稳健性，并考察源识别与排放率是否应分别报告，提供无真值模型不足诊断，并在真实监测子集上检验证据是否支持报告估计。研究不提出新估计器，结论以模拟为基础并受声明框架和扰动范围约束。

关键技术方法（≤250字）：研究构建30个合成城市配对基准，以有限时窗二维平流—扩散Green函数联接候选点设施与道路线源，形成混合点—线源字典；采用非负正则化反演MIST及非负最小二乘等基线，比较源信息D-最优、GP（Gaussian process，高斯过程）方差、GP互信息、k-center等布置。观测由匹配传输、扰动传输、RLINE谱系生成器、街谷算子、OSM（OpenStreetMap）成都真实几何及离字典情景生成。真实数据包括Prairie Grass 66次已知源SO₂释放、7901个浓度观测、29个日期五折GroupKFold，以及成都7个CNEMC站点2024年1–3月小时NO₂、ERA5驱动Open-Meteo风场和OSM字典的311个稳定风episodes；指标含归一化源误差（normalized source error, NRMSE）、支持AUPRC（support area under the precision–recall curve）、残差和留一站预测（leave-one-station-out, LOSO）。

研究结果：
7.1 RQ1：匹配传输下源部门覆盖占主导，原子几何为二阶改进。混合点—道路模型源NRMSE为0.111，仅设施点字典为0.853；扰动传输和跨核OSSE中优势收窄但不反转。密化点基线显示线测量仍更优，且道路未知量更少。
7.2 RQ2：离字典源破坏恢复，残差可检测。活动点源位移1.5 km使源误差升至0.756、支持AUPRC降至0.722；未建模面积源为0.766和0.745；残差从对齐时0.061升至0.110–0.276，可在无真值下报警。
7.3 RQ3：低成本传感器噪声与持续增益漂移超过设计选择。源误差随传感器等级由0.383升至0.502、0.770和1.067，支持AUPRC由0.896降至0.581；持续乘性漂移不被天气平均，参考至未校准跨度约为布置跨度的四倍。
7.4 RQ4：风覆盖预测可恢复性。角覆盖扩大时采样增益上升、源NRMSE下降，城市级相关显著；但最坏情况界在近共线路字典上无信息，分位增益仅作描述诊断。
7.5 RQ5：布置作为标准类别而非细化起作用。预算9时MIST-ID源NRMSE为0.451、支持AUPRC为0.856，GP方差为0.577和0.788；GP互信息在源指标上略优且场误差更低。语义支持先验未改善且误设时有害；预算达活动支持规模后优势消失。
7.6 RQ6：已知源控制释放压力测试。Prairie Grass天气条件协议中，8受体候选源D-最优速率误差0.213，GP方差0.930；固定网络协议下优势消失，提示收益来自按天气条件激活或移动采样，而非标准本身。
7.7 两个离散排序的压力测试。覆盖与几何排序在传输和排放扰动下不反转；幅度依赖传输保真，压缩主要在排放量而支持识别大体保留。RLINE谱系使覆盖跨度缩至0.119–0.163但AUPRC差距仍0.24–0.28；未建模MLH使误差升至0.41–0.53，外部15%误差估计可大部分恢复；日交通周期使误差由0.087升至0.290–0.349而AUPRC>0.93。
7.8 OpenStreetMap真实道路与工业几何。成都20 km域OSM字典中覆盖效应仍大，混合源误差0.210对仅设施点0.939，支持AUPRC 0.985对0.361；线测量仍最佳，但几何优势受段长限制，推荐约1.5–3 km弦长；布置排序与合成实验一致。
7.9 成都稀疏站点真实数据负对照。7站311个稳态风episodes的LOSO NRMSE物理反演0.30，GP插值0.25，episode均值0.26；三字典无差别；残差0.87，支持Jaccard 0.15；同网络代理显示可检测信号，但无样本外技能，研究人员据无样本外技能、支持不稳定和大残差暂缓估计。

讨论部分总结：理论部分表明限制增益与误差放大的最坏情况界在近共线路字典上偏松，先验分位增益仅作描述诊断；制图与反演目标存在结构性张力，互信息布设可兼顾内部覆盖。匹配严重度下五类误差对源识别的退化相似且慢于排放率，残差与源误差增加相关并能区分误差严重度，故应分别报告识别与速率；不同误差类型的补救不同。覆盖主导在定性上可预期，但基准量化了其相对幅度及对传输保真度的依赖，并区分部门缺失与线表示贡献。局限包括离字典源、城市源多样性、被动一次示踪剂、前向算子理想化、模拟证据为主、仪器交叉敏感未模拟及真实数据阈值缺失。部署含义包括覆盖所有排放部门、控制校准、提供边界层缩放、审计字典完整性并随估计报告残差、选择合适布置标准、仅在预算不超过活动支持规模时重视设计、分别报告识别与速率及条件可识别性。

研究结论部分翻译：研究人员量化了稀疏监测网络下传感器布置对城市设施和道路路段排放率反演的影响相对于其他设计决策的程度。为回答该问题，研究人员将源空间、字典保真度、传感器质量、风覆盖和受体布置五项设计决策置于统一误差尺度，并在六种独立传输与排放扰动下检验其排序。在所测试框架和声明范围内，布置并非效应最大的决策。在匹配和中等误设传输下，覆盖交通部门、完整字典和校准传感器各自比布置标准之间的选择重要数倍；布置内部仅标准类别重要，所评估的语义支持先验未提供收益。线原子以更少未知量优于密化点，约1.5–3 km弦长最明显。覆盖排序在测试扰动下从未反转。线原子优势在传输压力测试中持续，而密化点在段长实验中对部分活跃长段（?6 km）获得较低源误差，尽管线原子保持较低前向误差。两种排序的幅度均依赖传输保真度。在匹配严重度下，五种测试误差类型以相似方式退化源识别且慢于排放率，故二者应分别报告。未建模混合层高度是最常见误差之一，可用外部边界层数据校正。最坏情况可识别界对近共线道路字典无信息，而先验分位增益提供收敛的描述性诊断以比较算子。无真值残差可检测字典误差并跟踪传输误差严重度。在稀疏成都站点子集上，较差的样本外技能、不稳定的支持集和较大残差使研究人员暂缓源估计；同网络代理显示可检测信号但不能证明准确性。所有城市反演结果均基于模拟。在存在重大清单遗漏、校准误差或未建模边界层缩放时，校正它们可能比在测试的布置标准之间切换更能降低误差；研究人员还建议分别报告源识别、排放率和残差诊断。未来工作应以障碍解析和化学传输生成器检验速率—识别耦合，增加面积原子和时间分辨强度，并在具有独立已知排放的真实网络上验证该流程。